تفسیر بیشتر سری های زمانی

سري هاي زماني— Time Series

سری‌های زمانی یکی از شاخه های آمار و احتمال است که در سایر رشته های علوم مانند ژئوفیزیک، اقتصاد، مهندسی ارتباطات، هواشناسی و … کاربرد فراوانی دارد؛ دامنه کاربردهای سری های زمانی روز به روز گسترده تر می شود و نیاز دانش پژوهان در این زمینه افزون تر می گردد.

« یک سری زمانی مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند.»

داده هايي كه از مشاهدات يك پديده در طول زمان بدست مي آيند بسيار متداول هستند. در كسب و كار و اقتصاد، قيمت سهام در بازار بورس، شاخصهاي قيمت ماهانه، ارقام فروش سالانه و غيره را مشاهده مي كنيم. در هواشناسي بيشترين و كمترين درجه حرارت روزانه، باران سالانه و شاخصهاي خشكسالي و سرعتهاي باد در ساعات مختلف را مشاهده مي كنيم. در كشاورزي ارقام سالانه مربوط به محصول و توليد دام، فرسايش خاك و فروش صادرات را ثبت مي كنيم. در علوم بيولوژيكي فعاليت الكتريكي قلب را در فواصل يك هزارم ثانيه مشاهده مي كنيم. فهرست زمينه هايي كه در آن سري زماني مشاهده شده و تجزيه و تحليل مي شود بي پايان است. مي توان گفت كه بيشتر شاخه هاي علوم منجر به مطالعه داده هايي كه به شكل سريهاي زماني رخ مي دهند، مي شود. تجزیه و تحلیل سری های زمانی بطور نظری و عملی از زمان شروع کار اصلی جورج.ای.پی. باکس و ام.جنکینس در سال 1970 ( تحت عنوان تجزیه و تحلیل سری های زمانی، پیش بینی و کنترل ) به سرعت توسعه پیدا نمود.

داده‌هایی که ازمشاهدات یک پدیده در طول زمان بدست می‌آیند بسیار متداول هستند، در کسب و کار و اقتصاد، در هواشناسی، در کشاورزی، در علوم بیولوژیکی فهرست زمینه هایی که در آن سری زمانی مشاهده شده و تجزیه و تحلیل می شود بی پایان است.

هدف تجزیه و تحلیل سری های زمانی معمولاً دوتاست:

- درک یا به مدل در آوردن مکانیسم تصادفی که منجر به مشاهده، سری می‌شود

- پیش‌بینی مقادیر آینده سری، بر مبنای گذشته آن

در تجزیه و تحلیل یک سری زمانی چندین هدف ممکن وجود دارد. این اهداف را می توانیم به صورت توصیف، تشریح، پیش بینی و کنترل رده‌بندی کنیم.هر چند توصیف رفتار یک سری زمانی از لحاظ تغییرات موضعی و دراز مدت در آن یا مطالعه وابستگی های موجود بین عناصر سری از بررسی های متداولی است که روی سری های زمانی انجام می شود اما می توان گفت مهم ترین هدف از تحلیل سری زمانی پیش بینی مقادیر آینده آن است.

برای یک تحلیل سری زمانی و پیش بینی آینده آن چه باید کرد؟

بدیهی است لازمه اتخاذ هر تصمیمی در این مورد آشنایی با رفتار سری به عنوان تابعی از زمان است. ساده ترین راه برای این منظور رسم نمودار سری زمانی است. پیدا کردن الگوهای مناسب برای سری های زمانی کاری است مهم؛ یک استراتژی چند مرحله ای را برای ساختن یک الگو توسعه می دهیم که بوسیله Box و Jenkins (1976) وضع شده است.

در این روش سه مرحله عمده وجود دارد که از هریک از آنها ممکن است چندین بار استفاده کنیم 1- تشخیص یا شناسایی الگو 2- برازش الگو 3- تشخیص درستی الگو

در یک تحلیل سری زمانی اولین مرحله رسم نمودار داده هاست. با امتحان و بررسی دقیق نمودار سری زمانی می توانیم ایده ی خوبی در موزد این که روند، نوسانات فصلی، نقاط پرت و واریانس غیرثابت و … وجود دارند یا خیر، به دست آوریم.

استراتژي الگوسازي:

پيدا كردن الگوهاي مناسب براي سريهاي زماني كاريست مهم. يك استراتژي چند مرحله اي براي ساختن يك الگو بوسيله آقايان باكس و جينكينس در سال 1976 وضع شده است. در اين روش سه مرحله عمده وجود دارد كه از هر يك از آنها ممكن است چندين بار استفاده كنيم:

1- تشخيص (يا شناسايي) الگو

2- برازش الگو

3-تشخيص درستي الگو يا نيكويي برازش

در تشخيص يا شناسايي الگو، دسته اي از الگوهاي سريهاي زماني را كه براي سري زماني مشاهده شده مناسب است انتخاب مي كنيم. در اين مرحله نمودار زماني سري را مورد توجه قرار داده و آماره هاي متفاوت زيادي را از داده ها محاسبه مي كنيم و همچنين از اطلاعاتمان در زمينه موضوعي كه داده ها بدست آمده اند، مانند اقتصاد، فيزيك، شيمي يا بيولوژي كه داده ها از آنجا ناشي شده اند استفاده مي كنيم. تاكيد مي كنيم الگويي كه در اين مرحله انتخاب مي شود آزمايشي است و به تجديد نظري كه بعدا در تجزيه و تحليل مي شود بستگي دارد.

در انتخاب الگو اصل امساك را در نظر مي گيريم، يعني الگوئي كه به كار برده مي شود بايد به كمترين تعداد ممكن پارامترها كه بطور قابل قبولي داده ها را مشخص مي كند نياز داشته باشد. از آلبرت انيشتاين نقل شده است كه »هر چيز بايستي تا جائي كه ممكن است ساده شود ولي نه ساده تر«.

بطور قطع الگو شامل يك يا چندين پارامتر است كه بايد مقاديرشان از سري مشاهده شده برآورد شود. برازش الگو پيدا كردن بهترين برآوردهاي ممكن پارامترهاي نامعلوم الگوي داده شده را شامل مي شود. محكهايي مانند كمترين مربعات و درستنمايي ماكزيمم را براي برآورد در نظر مي گيريم.

بررسي درستي الگو به تجزيه و تحليل كيفيت الگوئي كه ما تشخيص و برآورد كرده ايم مربوط مي شود. برازش الگو به داده ها تا چه اندازه مناسب است؟ آيا فرضهاي مربوط به الگو بطور معقولي صادق مي باشند؟ اگر عدم كفايتي پيدا نشود در اين صورت، فرض مي كنيم الگو كامل است و با استفاده از آن مي توان مقادير آينده سري را پيش بيني كرد. در غير اينصورت بر مبناي عدم كفايتي كه در الگو پيدا شده، الگوي ديگري را انتخاب مي كنيم. يعني بر مي گرديم به مرحله تشخيص الگو. بدين ترتيب سه مرحله را آنقدر دور مي زنيم تا يك الگوي قابل قبول پيدا كنيم.

آموزش سری زمانی در minitab

چون محاسبات لازم در بررسی سری های زمانی براي هر مرحله، در ساختن الگو مشكل است و براي رسيدن به نتيجه گاهي لازم است بارها مراحل فوق را انجام دهيم، از نرم افزارهاي آماري خصوصا ميني تب (minitab) كه از نظر تحليل سريهاي زماني توانايي هاي بيشتري نسبت به ساير نرم افزارها برخوردار است استفاده مي شود.

با توجه به پیشرفت شگفت انگیز علم آمار در زمینه سریهای زمانی، لزوم یادگیری نرم افزارهای موجود در این شاخه برای دانشجویان این رشته ضروری است. لذا میبایست تمامی دانشجویان مرتبط با سری زمانی برای یادگیری این گونه نرم افزار ها اقدام کنند. این جزوه آموزشی به زبان اصلی (انگلیسی)در حل مسائل سری زمانی با کمک نرم افزار Minitab، کمک بسیاری را به شما دانشجویان گرامی میکند. امیدوارم این جزوه راه گشایی در یادگیری شما عزیزان باشد.

لینک دانلود فایل اصلی راهنمای آموزشی

انواع میانگین های متحرک

خاصیت روش میانگین متحرک این است که تغییرات موجود در یک مجموعه را کاهش می دهد. در سری‌های زمانی از این خاصیت برای حذف نوسانات غیرضروری استفاده می شود.

عیب روش میانگین متحرک حذف شدن بعضی از مشاهدات از ابتدا و انتهای سری زمانی است. یک عیب دیگر این است که ممکن است باعث تغییرات دوره ای یا سایر تغییرات شود که در داده های اولیه وجود نداشته اند. عیب سوم میانگین متحرک این است به شدت تحت تأثیر ماکسیمم و مینیمم مشاهدات قرار دارد. برای رفع این عیب از میانگین متحرک موزون می توان استفاده کرد. در این حالت به مشاهدات مرکزی بیشترین وزن و به مشاهدات انتهایی کمترین وزن را می دهند.

منبع:- تجزیه و تحلیل سری های زمانی/تالیف: جاناتان دی کرایر؛ ترجمه:حسینعلی نیرومند. مشهد؛ دانشگاه

منبع: http://www.amarestan.com

میانگین متحرک ساده

یکی از روش‌های تحلیل تکنیکی است و شاید بتوان گفت از مهم‌ترین و پراستفاده‌ترین ابزارها در تحلیل تکنیکی استفاده از میانگین متحرک است. انواع گوناگون میانگین متحرک برای نمایش‌دادن نوسان قیمت‌ها مورد استفاده قرار می‌گیرد تا تصویر شفاف‌تری از روند تغییرات قیمت اوراق بهادار به‌دست آید.

بسیاری از تحلیل‌گران تکنیکی از میانگین متحرک ساده استفاده می‌کنند، زیرا از لحاظ محاسبه، ساده‌ترین نوع میانگین متحرک است. این میانگین به میانگین متحرک حسابی نیز معروف است .ایراد اصلی بر میانگین متحرک ساده این است که وزن یکسانی به قیمت هر دوره می‌دهد، در‌حالی‌که ممکن است وزن قیمت در دوره‌های جدیدتر بیشتر از قیمت در دوره‌های قبلی باشد. در پاسخ به این انتقاد، میانگین‌های متحرک موزون و نمایی مورد استفاده قرار می‌گیرد.

منبع:

http://www.accwiki.com

میانگین متحرک (مووینگ اوریج)

میانگین متحرک (مووینگ اوریج) ، میانگینی از داده های بازار در بازه زمانی خاص می باشد. میانگین متحرک (مووینگ اوریج) عموما به عنوان یک اندیکاتور Indicator (شاخص نمای تکنیکی) شناخته می شود اما از آنجا که امروزه در بین معامله گران (به خصوص معامله گران ارز) بیشتر بر روی خاصیت ساپورت و رزیستنس آن حساب باز می شود کاربردی دوگانه یافته است.

از آنجا که محاسبه میانگین متحرک از تغییرات قیمت به دست می آید، تابعی از قیمت و روند بازار می باشد و به لحاظ ساختاری برای پیش بینی آینده قیمت همیشه مقداری از روند عقب تر می باشد. نحوه محاسبه میانگین متحرک بسته به فرمول آن متفاوت است. ساده ترین شیوه محاسبه، میانگین متحرک ساده (Simple Moving Average) می باشد. این میانگین متحرک از آخرین تغییرات قیمت داده می پذیرد. به علت اینکه در بازار مبادلات ارز یا بازارهای دیگر تمامی تغییرات قیمتی (تیک چارت) را نداریم برای سهولت محاسبه از قیمت بسته شدن کندل استیک یا بار چارت برای بدست آوردن میانگین متحرک استفاده می شود. برای محاسبه میانگین متحرک غیر از قیمت انتهایی کندل استیک، میتوان از قیمت آغازین کندل استیک یا بالاترین و پایین ترین قیمت کندل استیک نیز استفاده کرد. در محاسبه میانگین متحرک روش های گوناگونی وجود دارد. میانگین های متحرک دیگری نیز وجود دارد که ارزش متفاوتی به داده های قیمت می دهند مانند میانگین های متحرک نمایی – اکسپوننشیال Exponential (کاربر ارزش هر داده قیمت را در این میانگین تایین می کند) میانگین متحرک سطحی Smoothed و میانگین متحرک خطی وزنی Linear Weighted از انواع دیگر هستند که عموما به داده های جدید ارزش و وزن بیشتری برای محاسبه می دهند. به هر حال آنچه مهم است تحقیق و بررسی شما روی میانگین های متحرک گوناگون در بازارهای مختلف (در اینجا ارزهای گوناگون) می باشد.

مطالعه موردی:

بررسی و پیش‌بینی بارندگی سالانه استان خراسان بر اساس سری‌های زمانی

پیش‌بینی بارندگی و برآورد میزان آن در هر ماه (و یا سال) و برای هر منطقه و حوضه‌ِی آبریز، به‌ عنوان یکی از مهم‌ترین پارامترهای جوی و منبع اصلی تامین کننده‌ی آب‌های سطحی و زیرزمینی، برای برنامه‌ریزی در امورات مختلف زندگی اجتماعی انسان، از اهمیت ویژه‌ای در استفاده‌ی بهینه از منابع آبی برخوردار است. در این گزارش با استفاده از روش باکس و جنکینس الگوی آریمای فصلی ضربیSARIMA رفتار بارندگی ماهیانه برای 37 ایستگاه سینوپتیک و باران‌سنجی در سطح استان‌های خراسان الگوسازی شده است.

تفسیر بیشتر سری های زمانی

مطالب مشابه :

هفت نرم افزار برای خیاطی

تفسیر بیشتر سری های زمانی

دانلود فیلم When in Rome با لینک مستقیم

شبيه‌سازي و تحليل سيستم تعليق و خودرو با نرم‌افزار ADAMS/Car--مفهوم‌های پایه‌ای ADAMS/Car

دانلود فیلم Robin Hood 2010 با لینک مستقیم